Modélisation de la récupération motrice après un AVC par imagerie multimodale longitudinale.

par Firdaus fabrice Hannanu

Projet de thèse en MBS - Modèles, méthodes et algorithmes en biologie, santé et environnement

Sous la direction de Assia Jaillard et de Nicolas Vuillerme(edisce).

Thèses en préparation à Grenoble Alpes , dans le cadre de École doctorale ingénierie pour la santé, la cognition, l'environnement (Grenoble) , en partenariat avec AUTONOMIE, GÉRONTOLOGIE, E-SANTÉ, IMAGERIE & SOCIÉTÉ (laboratoire) depuis le 01-11-2018 .


  • Résumé

    L'identification et l'utilisation de biomarqueurs en neuroimagerie (neuromarqueurs) de la récupération motrice après un AVC est limitée au champ de la recherche, et peu appliquée dans la prédiction individuelle du patient. Pourtant, l'IRM par son aspect multimodal permettant d'explorer les composantes fonctionnelles et structurales de la plasticité cérébrale, nous apporte des neuromarqueurs sensibles, fiables et quantifiables de la récupération motrice. L'étude de 21 patients en IRM fonctionnelle d'activation (IRMf), en utilisant une tâche motrice passive motrice à la phase subaiguë de l'AVC pour prédire la récupération six mois plus tard nous a permis d'identifier l'aire motrice primaire (MI) ainsi qu'un réseau sensorimoteur associant des régions sensorimotrices phylogénétiquement plus récentes (tels le cortex prémoteur) que d'autres (operculum pariétal). D'un point de vue physiopathologique, l'activation des aires motrices canoniques permettraient une récupération complète de la motricité fine, alors que les aires archaïques joueraient un rôle de compensation dans les AVC sévères où la récupération est incomplète. Néanmoins, le rôle respectif des aires motrices et la modulation de la connectivité fonctionnelle et structurale entre ces régions ne sont pas encore établis. Ceci est particulièrement le cas de l'AVC sévère, qui est la cible des nouvelles thérapies

  • Titre traduit

    Modeling sensorimotor recovery following ischemic stroke using longitudinal multi-modal imaging


  • Résumé

    Until recently, few behavioral or biological markers have effectively predicted behavioral recovery following stroke, especially when the measures are collected in the acute or subacute phases of the disease. Therefore, discovery of more objective, quantitative, and efficiently acquired MRI biomarkers that can be collected at the time of diagnosis, might facilitate prediction of sensorimotor recovery in both clinical and research contexts. Functional magnetic resonance imaging (fMRI) measures changes in neural activity with good reliability, making it a promising approach for identifying brain activity measures predicting stroke recovery. The role of fMRI task-related sensorimotor activity in predicting stroke outcome has been shown using a range of methods and experimental designs. More specifically, activity in primary motor cortex [MI] related to passive movement predicted motor recovery in a recent study in subacute stroke. In addition, activity in multiple regions of the sensorimotor network, including archaic regions, were associated with recovery. This work shows that fMRI sensorimotor network activity measures considered alone allow clinical recovery prediction and may provide reliable biomarkers for assessing new therapies in clinical trial contexts. Ischemic stroke is associated with a complex series of spatiotemporal effects on brain structure and function, with the associated processes unfolding over multiple time-scales spanning the days, weeks and months following stroke. MRI provides a convenient means to non-invasively monitor these effects during the recovery process, with different MRI acquisition sequences providing complementary information about how brain structure and function change as patients achieve varying degrees of sensorimotor recovery. Using longitudinal behavioral and multi-modality neuroimaging data collected as part of a recently completed clinical trial exploring the effects of a novel stem-cell biotherapy on stroke recovery (ISIS-HERMES clinical trial), we will develop longitudinal models combining measures of brain macrostructure (lesion extent and location), brain microstructure (white matter properties), regional brain blood flow, cerebral vasoreactivity and neural function (task-related neural activity and resting state connectivity) to more accurately model the physiological process responsible for sensorimotor recovery following focal ischemic brain injury.